如何通过命令行识别包含突出显示文本的 PDF 页面

Question

假设一个 pdf 文档包含第 1、3 和 14 页上的文本突出显示。是否有一个 Linux 命令行工具（或一组其输出可以相互传送的工具）可以报告包含以下内容的页面的页码：突出显示的文本？就像是：

$ sought_tool --list-pages-with-highlights doc.pdf
1 3 14

Answer 1

漂亮的小 Python 库pdf注释完全具有所需的能力。

$ pdfannots doc.pdf

如果与grep和结合使用awk，可以产生所需的结果。

$ pdfannots doc.pdf | \
  grep "* Page #" | \
  awk -F':' '{print $1}' | \
  awk -F'#' '{print $2}' | \
  sort -u -n | \
  paste -s -d ' '
1 3 14